嘀嗒出行发布“AI模型焕新赋能顺风车各环节体验效率安全”一览图_互联网资讯_

目前，新的生产力正在加快各行各业的建设。那么，作为数字经济的代表，移动出行业创造新的生产力有哪些新的特点呢？在大数据和AI的帮助下，如何提高城市交通效率，为顺风出行的用户体验带来新的福利？未来还有哪些新的可能？

最近，迪达公司发布了一张“AI模型如何更新和赋能搭便车各环节体验效率安全”的图片，通过“起终点智能搜索”、目的地智能推荐、智能推荐上车点”、智能化路径规划、“顺路双向匹配”、智能化接单预测、“语音智能转写”、AI智能判决责任”、十大领域，如“实时安全护航”、“路线偏移预警”等，深入展示在行前、行中、行后的各个环节。AI模型如何创新解决出行痛点，提升搭便车体验、效率和安全性，也是首次集中展示搭便车行业AI模型的具体应用。

从图中可以看出，AI赋能顺风车体验效率安全提升，有四大新趋势：

1、随着深度学习、神经网络和大模型的进一步广泛应用，旅行AI模型可以解决更复杂的问题，实现独立的分析、识别和判断，同时不断提高准确性和效率。

2、行前环节是AI赋能的重中之重，赋能领域不断拓展。从起点到终点智能搜索到智能订单预测，从智能路径规划到AI智能责任的判断，不仅进一步保证了履约，也让更多的安全守护更加积极实时。

3、AI赋能不仅提升了搭便车的效率体验，还带来了更多的人文价值，实现了对搭便车的履约意识和友好沟通礼仪的积极引导，让用户自发搭建更加温馨愉悦的搭便车。

4、大数据和AI共同赋能，正在重塑移动出行平台的科技创新逻辑:从洞察力出发，切入痛点，用科学实验探索新方案，用数据验证效果，让实验探索成为创新的源泉。

迪达出行相关负责人表示，从科技角度来看，顺风出行的本质是让更多的私家车更容易在不增加额外车辆的情况下分享空座，让更多的路人顺利同行。旅行分为很多环节，每个环节都有机会通过大数据和AI的共同努力来解决一些痛点和难点，提升用户体验和效率，同时探索更多的机会在路上乘坐，让更多的路上空座椅得到充分利用。

所以，借助大数据和AI的共同赋能，让顺风出行的各个环节都能实现什么样的复兴升级，背后的创新逻辑是什么？

终点智能搜索和上车点智能推荐:完全恢复出行第一步的体验

出发前，第一步是搜索目的地，确定起点。AI赋能的创新是让用户花更少的时间输入更少的文字，找到自己想去的目的地，同时为用户推荐更方便快捷的上车点。

嘀嗒出行算法工程师表示，在过去几年里，起终点搜索实现了AI的全方位赋能。“我们可以更好地掌握用户的需求偏好，为用户提供更个性化的智能搜索服务，通过使用旅行数据对transformer排序模型进行预训练，学习用户的输入习惯，让用户输入更短的query(询问)就可以找到目的地。与此同时，从数据来看，目前排名第一的目的地是用户想去的比例不断提高。”

同时，嘀嗒顺风车也可以“猜你想去”。当用户还没有表达自己的意图时，App会根据用户在不同时间点的历史起点和终点向用户推荐目前想去的目的地。“基于生成AI方法，我们可以不断提高目的地推荐的准确性。”

此外，选择上车点也是行前体验的重要方面，而AI赋能方向对于车乘双方来说都更加方便快捷。基于“大多数人高频使用”、“更出名、更显眼”、“步行距离近”、“你的习惯和喜好”等算法标准，迪达搭便车目前每周为用户推荐5亿多次智能上车点。

嘀嗒出行算法工程师表示:“未来智能推荐上车点还将利用多模态特征，使模型与真实地理世界更加紧密结合，为用户推荐更精准的上车点数据，不再被上车最后一百米的问题所困扰。

道路双向匹配:多个子模型实现精准高效的道路推荐。订单推荐列表加长超过20%

当乘客下单，车主发布路线时，下一步就是让乘客尽快遇到合适的路人。这个向乘客推荐合适的路人的过程，就是顺路双向匹配。

与商业出行单向派单不同，顺风车和道路的双向匹配需要同时满足乘客双方的个性化需求偏好，如时间敏感度、道路程度偏好、乘客数量预期、是否支付高速费用等备注信息。

迪达出行算法工程师表示，“我们通过各种机器学习算法，包括神经网络，训练机器学习模型，使用数亿个订单搜索记录和数千万个订单数据，通过多个子模型实现不同的拼车方案，从而实现更精准高效的大规模道路双向匹配，在充分满足每位车主和乘客个性化需求的基础上，更快地完成。”

近年来，在大数据和AI的共同赋能下，嘀嗒顺风车的匹配效率不断提高。比如在为车主智能推荐“首选双拼”的基础上，实现了市内订单城际订单一次接三个订单的智能推荐功能，可以更大限度地发挥路上私家车的空座效率，进一步降低乘客的单次出行成本。

同时，通过路径规划的不断优化和升级，迪达搭便车为用户在道路上找到了更多的机会，使得车主在道路上的订单推荐列表平均长度增加了25%以上。“特别是对于一些长途路线，道路订单推荐列表的长度增加更为显著”。

经过实际测量，嘀嗒出行App为车主推荐了12条优选合拼订单。

此外，道路订单推荐列表也越来越人性化。比如乘客的道路车主推荐列表，不仅可以看到每个车主的道路程度、好评率、接单次数，还可以看到车主几分钟就在找乘客。同时，支持基于“最近”、“最早开始”、智能排序订单的逻辑，如“最多出行”。

在车主的乘客列表中，可以看到乘客接受的具体拼车类型，增加感谢费金额，是否承担高速费用，是否接受前后一小时出发，是否刚上线等。，还可以支持车主自主选择行驶路线，然后为车主推荐不同路线的不同乘客，让更多的乘客可以在路上乘坐。

数据显示，2024年，根据接单统计，滴答顺风车订单的平均顺风程度已经超过85%。然而，许多用户称赞滴答顺风车的严格计算。“非常客观、准确、可靠，为选择更合适的路人提供了非常有价值的参考。”

然而，在迪达出行算法工程师看来，在开发更多的机会共享道路空座椅的同时，也有很大的探索和创新空间，让乘客获得高效愉悦的体验。

智能化路径规划：多人合乘顺序更合理在顺路找到更多的新机会

实际上，道路规划是提高道路双向匹配效率和体验的重要支撑。怎样根据真实的地理环境，更准确地计算最短的距离？怎样才能让用户预测到更准确的到达时间，以及更符合实际的行程费用？当车主在路上接到两个甚至三个订单时，如何通过进一步优化驾驶顺序，尽量减少绕道和每个乘客的等待时间，让多人乘坐更有效率？怎样通过提高地图和导航能力，找到更多可以同路的车主和乘客，不断优化路线？

随着智能路径规划领域更多高级算法的应用，这些需求得到了更全面的满足。例如，基于智能路径规划的ETA(估计到达时间)可以实现。根据实时路况，甚至根据每个车主的驾驶行为特点，估计到达时间更真实。随着参与顺风旅行的用户越来越多，估计到达时间也更加准确。

那么，为什么AI赋能路径规划能力的提升可以帮助更多的用户走在路上呢？迪达旅行算法工程师解释说:“比如从A到B，我们之前只能规划一条路线，现在可以规划一些合理的路线。通过扩大召回，我们可以帮助车主在路上找到更多的乘客。”

上图显示，从A点到B点，搭便车的车主可以在出发前自行选择出行路线，平台可以根据不同的路线智能推荐不同的乘客。

“与过去相比，随着旅行数据的丰富和高质量，以及AI算法能力的不断升级，用户的特点和偏好被挖掘得更加精细和全面。比如之前的数据只有10维，现在是50维。从多方面考虑一个用户的行为偏好，然后通过培训和优化模型，可以实现更智能的匹配，让更多的用户成为路人。”

智能化接单预测：更准确的微观实时预测升级顺风旅行的确定性

完成路径规划和匹配推荐后，下一步是确认乘客。在这个过程中，AI模型会根据每条路线的过往情况，为乘客预测更准确的接单等待时间，以减少乘客的等待焦虑，提高行程的确定性。同时，建议更容易接单。

与宏观供求关系和对未来趋势的预测相比，顺风出行预测更多的是当前的实时动态微观预测，关系到用户在特定场景下的实时体验，对预测的准确性要求更高。

事实上，通过AI提高用户顺风出行的确定性，也是顺风出行前体验的重要恢复，因为作为非商业出行，需要车乘双方确认顺风出行能否成功。

从滴滴出行的角度来看，AI赋能顺风出行体验焕然一新，行前是最重要的。这不仅是为了通过模型训练不断提高旅行各方面预测的准确性，也是为了让用户在出发前对旅行更加确定和控制。也是为了综合运用各种算法，让双向匹配更加智能化，路径规划更加顺畅，让车乘双方一站式满足各种个性化需求，提高匹配成功率，让搭便车的安全干预更加前进，守护更加实时。

语音智能转写和AI智能判断：大模型辅助使安全守护更加前进，主动安全更加及时。

因此，除了提高行前全方位体验效率外，AI模型的另一个主要功能是搭便车的智能安全，这也使得搭便车的实时主动安全保护提前到行前沟通阶段。这种升级得益于AI模型在语音高效转录、辅助意图识别、智能判断等方面的全新赋能。

过去顺风出行的主动安全干预主要包括安全护航、路线偏移预警等。，以及特定场景下的智能语音呼出提醒。例如，基于轨迹算法的平台可以实时识别和判断车辆的偏航停留情况，安全客服可以及时积极干预。但是很难实时分析和智能判断行驶中的语音和通话交流。因此，当车辆乘坐不愉快时，平台的干预和处理就会滞后。